UNIVERSIDAD AUTÓNOMA “GABRIEL RENÉ

MORENO”
FACULTAD DE INTEGRAL DEL
NORTE
Carrera de Ingeniería Industrial

PLANIFICACION Y CONTROL 1
IND 210

CLASE 3 PRONOSTICOS

1
 ¿QUÉ ES PRONOSTICAR?
 Pronosticar es el arte y la ciencia
de predecir los eventos futuros.
Puede implicar el empleo de datos
históricos y su proyección hacia el
futuro mediante algún tipo de
modelo matemático
(métodos cuantitativos) o puede
ser una predicción subjetiva o
intuitiva (métodos cualitativos) o
puede
ser una combinación de éstas, es
decir, un modelo matemático
ajustado mediante el buen juicio
del administrador 2
 HORIZONTES DE TIEMPO DEL PRONÓSTICO

 Pronóstico a corto plazo:.

 Pronóstico a mediano plazo:

 Pronóstico a largo plazo.

3
 DIFERENCIAS DE LOS PRONÓSTICOS
 Primero, los pronósticos a mediano y largo plazos manejan
aspectos más generales y apoyan decisiones
administrativas relativas a la planeación y los productos.

 Segundo, el pronóstico a corto plazo usualmente se emplea

para las decisiones operativas de la empresa.

4
 TIPOS DE PRONÓSTICOS
 Los pronósticos económicos
 Los pronósticos tecnológicos

 Los pronósticos de la demanda

5
 ENFOQUES DE PRONÓSTICOS
 Los pronósticos cuantitativos utilizan una variedad de
modelos matemáticos que se apoyan en datos históricos
y/o en variables causales para pronosticar la demanda.
 Los pronósticos cualitativos o subjetivos incorporan
factores como la intuición, las emociones, las
experiencias personales y el sistema de valores de quien
toma las decisiones para llegar a un pronóstico

6
 MÉTODOS CUALITATIVOS
 Jurado de opinión ejecutiva: Toma en cuenta las
opiniones de un grupo de expertos o administradores de
alto nivel,
 Método Delphi: Toman las decisiones un grupo de 5 a
10 expertos que estarán elaborando el pronóstico real

7
 MÉTODOS CUALITATIVOS

 Composición de la fuerza de ventas: En este enfoque,

cada vendedor estima cuáles serán las ventas en su
región.
 Encuesta en el mercado de consumo: Este método
solicita información a los clientes o posibles
consumidores acerca de sus planes de compra futuros

8
 MÉTODOS CUANTITATIVOS

 modelos de series de tiempo

 1. Enfoque intuitivo o simplista
 2. Promedios móviles
 3. Suavizamiento exponencial
 4. Proyección de tendencias
 modelo asociativo

 5. Regresión lineal

9
 ENFOQUE INTUITIVO O SIMPLISTA
 Tomemos un ejemplo. Se tienen datos históricos de la
venta de chompas delgadas en Santa Cruz de la Sierra
.
 Se quiere hallar el pronostico para el mes de junio

mes ventas
ene 200
feb 220
mar 241
abr 260
may 278
jun ¿?
10
 ENFOQUE INTUITIVO O SIMPLISTA

 El enfoque simplista indica que la cantidad de chompas que se

venderán es la misma que la cantidad del mes pasado, es decir
278 chompas. ¿Porque?

11
 ENFOQUE INTUITIVO O SIMPLISTA

 Porque supone que toda serie de tiempo es o tiene un ciclo y podría ser que
este llegando al punto de inflexión y cambie de dirección la curva. En todo
caso este método indica que la cantidad mínima que se venderá es la misma
que el mes pasado.

ventas
mes ventas
300
ene 200 250
feb 220 200
mar 241 150

abr 260 100

may 278 50

jun 278 0

0 2 4 6 8 10 12 14

12
 PROMEDIO MÓVIL
Toma en cuenta 3 o máximo 4 datos históricos e les saca el promedio

(𝟐 𝟒 𝟏 + 𝟐 𝟔 𝟎 + 𝟐 𝟕 𝟖 )
𝒋𝒖𝒏𝒊𝒐 = = 𝟐𝟔𝟎
𝟑
ventas
mes ventas 300

ene 200 250

feb 220 200

mar 241 150

abr 260 100

may 278 50
jun 260 0

0 1 2 3 4 5 6 7

13
 PROMEDIO MÓVIL PONDERADO
 Toma en cuenta 3 o máximo 4 datos históricos pero cada uno de estos datos
es multiplicado por el nivel de importancia o por la cercanía que se cree que
tenga al pronostico. Estos valores se suman y se divide entre la suma de los
pesos ponderados

𝒋𝒖𝒏𝒊𝒐 = ((𝟐𝟒𝟏∗𝟏)+( 𝟐𝟔𝟎∗𝟐)+(𝟐𝟕𝟖∗𝟑))

= 𝟐𝟔6
ventas
𝟔
300

250

mes ventas 200

ene 200 150

feb 220 100
mar 241
50
abr 260
0
may 278
jun 266 0 1 2 3 4 5 6 7
14
 SUAVIZAMIENTO EXPONENCIAL
 El suavizamiento exponencial es un sofisticado método
de pronóstico de promedios móviles ponderado
 que sigue siendo bastante fácil de usar. Implica mantener muy
pocos registros de datos históricos.
 La fórmula básica para el suavizamiento exponencial se expresa
como sigue

𝐹𝑡 = 𝐹𝑡−1 + 𝛼 ( 𝐴 𝑡 −1 − 𝐹𝑡−1)
Donde: Ft = Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
𝛼 = Constante de suavizamiento exponencial o ponderación
(de 0
a 1)
At-1 = Demanda real en el periodo anterior
15
 SUAVIZAMIENTO EXPONENCIAL
 En el ejemplo anterior
𝒋𝒖𝒏𝒊𝒐 = 𝟐 𝟔 𝟎 + 𝟎, 𝟐 𝟓 ∗(𝟐 𝟕 𝟖 − 𝟐 𝟔 𝟎 ) = 𝟐 𝟔 𝟓

mes ventas ventas

300
ene 200 250
feb 220 200
mar 241 150

abr 260 100

may 278 260 50

jun 265 0

0 1 2 3 4 5 6 7

𝐹𝑡 = 𝐹𝑡−1 + 𝛼 ( 𝐴 𝑡 − 1 − 𝐹𝑡−1)

Donde: Ft = Nuevo pronóstico

Ft-1= Pronóstico del periodo anterior

𝛼 = Constante de suavizamiento exponencial o ponderación (de 0

16
a 1)
At-1 = Demanda real en el periodo anterior
 PRONOSTICO MEDIANTE
PROYECCIONES DE TENDENCIA

• Esta técnica ajusta una recta de tendencia a una serie de

datos puntuales históricos, y después proyecta dicha recta al
futuro para obtener pronósticos de mediano y largo plazos. Se
pueden desarrollar varias ecuaciones matemáticas (por
ejemplo, exponencial y cuadrática), pero en esta sección
veremos sólo tendencias lineales (en línea recta).
 Regresión lineal

• Una recta de mínimos cuadrados se describe en términos de

su intersección con el eje y (la altura a la cual cruza al eje y) y
su pendiente (el ángulo de la recta). Si podemos calcular la
intersección con eleje y y la pendiente, podremos expresar la
recta con la siguiente ecuación:
 Formulas utilizadas

∑ 𝑋 𝑌 − 𝑛ẌỸ
𝑌 = 𝐴 + 𝐵 = 𝐴 = Ỹ − 𝐵Ẍ
𝐵 𝑋 ∑ 𝑋 2 − 𝑛 Ẍ2

mes X ventas Y
ene 200
feb 220
mar 241
abr 260
may 278
jun
Formulas utilizadas

∑ 𝑋 𝑌 − 𝑛ẌỸ
𝑌 = 𝐴 + 𝐵 = 𝐴 = Ỹ − 𝐵Ẍ
𝐵 𝑋 ∑ 𝑋 2 − 𝑛 Ẍ2
Formulas utilizadas

∑ 𝑋 𝑌 − 𝑛ẌỸ
𝑌 = 𝐴 + 𝐵 = 𝐴 = Ỹ − 𝐵Ẍ
𝐵 𝑋 ∑𝑋 2 − 𝑛 Ẍ2
Y = 181 + 19,6 X B = 19,6 A = 181
 Otras tendencias

• Lineal
• Exponencial
• Potencial
 PROYECCION DE TENDENCIA PARA
VARIACIONES CICLICAS ESTACIONALES

Generalmente los datos históricos tienden a tener una variación

cíclica y es mas difícil determinar el valor pronosticado de cada
parte del ciclo. Es por eso que presentamos las siguientes
metodologías para determinar los pronósticos.
 EJEMPLO
• Suponga la venta de chompas de invierno en la ciudad de
Santa Cruz de la Sierra – Bolivia. Se tienen datos históricos de
los últimos 3 años y se sabe que el cambio climático hace que
el invierno sea mas fuerte y comience mas temprano. Los
datos son los siguientes.
año
mes 2017 2018 2019
enero 80 85 105
febrero 70 85 85
marzo 80 93 82
abril 90 95 115
mayo 113 125 131
junio 110 115 120
julio 100 102 113
agosto 88 102 110
septiembre 85 90 95
octubre 77 78 85
noviembre 75 82 83
diciembre 82 78 80
Diagrama de dispersión de
datos históricos
140
historico de ventas de chompas 2017 al 2019
120

100

80
cantidad

60

40

20

0
0 5 10 15 20 25 30 35 40
meses
 1ra metodología

𝑑 𝑒 𝑚𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑐𝑎 = 2017 + 2018 + 2019 = 80 + 85 + = 90

105 3
3
año
demanda
promedi
mes 2017 2018 2019 o
historica
enero 80 85 105 90
febrero 70 85 85 80
marzo 80 93 82 85
abril 90 95 115 100
mayo 113 125 131 123
junio 110 115 120 115
julio 100 102 113 105
agosto 88 102 110 100
septiembre 85 90 95 90
octubre 77 78 85 80
noviembre 75 82 83 80
diciembre 82 78 80 80
TOTAL 1050 1130 1204 1128
1ra metodología

1128
𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚𝑒𝑛𝑠𝑢𝑎𝑙 σ 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑐𝑎 = = 94
12 12
=

año
demanda demanda
promedio promedio
mes 2017 2018 2019 historica mensual
enero 80 85 105 90 94
febrero 70 85 85 80 94
marzo 80 93 82 85 94
abril 90 95 115 100 94
mayo 113 125 131 123 94
junio 110 115 120 115 94
julio 100 102 113 105 94
agosto 88 102 110 100 94
septiembre 85 90 95 90 94
octubre 77 78 85 80 94
noviembre 75 82 83 80 94
diciembre 82 78 80 80 94
TOTAL 1050 1130 1204 1128
 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜 𝑚 𝑒 𝑑𝑖𝑜 ℎ𝑖𝑠𝑡𝑜𝑟𝑐𝑖𝑎
𝑛
𝑖𝑑𝑐𝑖𝑒 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙 90 = =
𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜 𝑚 𝑒 𝑑𝑖𝑜 𝑚 𝑒 𝑛𝑠𝑢𝑎𝑙
= 0,9574
año
94 demanda demanda
promedio promedio indice
mes 2017 2018 2019 historica mensual estacional
enero 80 85 105 90 94 0,95744681
febrero 70 85 85 80 94 0,85106383
marzo 80 93 82 85 94 0,90425532
abril 90 95 115 100 94 1,06382979
mayo 113 125 131 123 94 1,30851064
junio 110 115 120 115 94 1,22340426
julio 100 102 113 105 94 1,11702128
agosto 88 102 110 100 94 1,06382979
septiembre 85 90 95 90 94 0,95744681
octubre 77 78 85 80 94 0,85106383
noviembre 75 82 83 80 94 0,85106383
diciembre 82 78 80 80 94 0,85106383
TOTAL 1050 1130 1204 1128
 PROYECCION PARA EL 2020
x año ventas Y
1 2017 1050
2 2018 1130
3 2019 1204
4 2020 1282

1220

1200
y = 982,19e0,0684x
1180
R² = 0,9982
1160
y = 77x + 974
1140
R² = 0,9995
1120

1100
y = 1046,7x0,1226
1080

1060
R² = 0,9884
1040

1020
0 0,5 1 1,5 2 2,5 3 3,5
 Calculo del pronóstico

𝑒𝑛𝑒𝑟𝑜 = 𝑖𝑛𝑑𝑖𝑐𝑒 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙 ∗ 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 total 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑎 /12

128
= 0,9574 2 = 102
12
∗

indice demanda
mes estaciona pronosticad
l a
enero 0,95744681 102
febrero 0,85106383 91
marzo 0,90425532 97
abril 1,06382979 114
mayo 1,30851064 140
junio 1,22340426 131
julio 1,11702128 119
agosto 1,06382979 114
septiembre 0,95744681 102
octubre 0,85106383 91
noviembre 0,85106383 91
diciembre 0,85106383 91
 2da metodología
𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑐𝑎 𝑚𝑒𝑛𝑠𝑢𝑎𝑙
% 𝑑𝑒 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 =
𝑡𝑜𝑡𝑎𝑙 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 ℎ𝑖𝑠𝑡ó𝑟𝑖𝑐𝑎
90
% 𝑑𝑒 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 = 0,0798
1282
=
año
demanda
promedio % de
mes 2017 2018 2019 historica demanda
enero 80 85 105 90 7,98%
febrero 70 85 85 80 7,09%
marzo 80 93 82 85 7,54%
abril 90 95 115 100 8,87%
mayo 113 125 131 123 10,90%
junio 110 115 120 115 10,20%
julio 100 102 113 105 9,31%
agosto 88 102 110 100 8,87%
septiembre 85 90 95 90 7,98%
octubre 77 78 85 80 7,09%
noviembre 75 82 83 80 7,09%
diciembre 82 78 80 80 7,09%
TOTAL 1050 1130 1204 1128 1
 2da metodología
𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑎 𝑚𝑒𝑛𝑠𝑢𝑎𝑙 = 𝑑 𝑒 𝑚 𝑎 𝑛 𝑑 𝑎 total 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑎 ∗ % 𝑑𝑒
𝑑𝑒𝑚𝑎𝑛𝑑𝑎

𝑑 𝑒 𝑚𝑎 𝑛 𝑑 𝑎 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑎 𝑚𝑒𝑛𝑠𝑢𝑎𝑙 = 1282 ∗, 0798 = 102

año
demanda
promedio % de demanda
mes 2017 2018 2019 historica demanda pronosticad
a
enero 80 85 105 90 7,98% 102
febrero 70 85 85 80 7,09% 91
marzo 80 93 82 85 7,54% 97
abril 90 95 115 100 8,87% 114
mayo 113 125 131 123 10,90% 140
junio 110 115 120 115 10,20% 131
julio 100 102 113 105 9,31% 119
agosto 88 102 110 100 8,87% 114
septiembre 85 90 95 90 7,98% 102
octubre 77 78 85 80 7,09% 91
noviembre 75 82 83 80 7,09% 91
diciembre 82 78 80 80 7,09% 91
TOTAL 1050 1130 1204 1128 1 1282
 3ra metodología

año
demanda
promedio
mes 2017 2018 2019 historica
enero 80 85 105 90
febrero 70 85 85 80
marzo 80 93 82 85
abril 90 95 115 100
mayo 113 125 131 123
junio 110 115 120 115
julio 100 102 113 105
agosto 88 102 110 100
septiembre 85 90 95 90
octubre 77 78 85 80
noviembre 75 82 83 80
diciembre 82 78 80 80
TOTAL 1050 1130 1204 1128
ANALISIS DE MÁXIMOS Y MÍNIMOS
 REGRESION LINEAL

minimos maximos minimos maximos

1 70 113 1 70 113
2 75 125
2 75 125
3 78 131
3 78 131 4 80 137
4 80 5 82

82
135
80
y = 70,055x0,0968
R² = 0,9995 y = 113,21x0,1357
130
78 R² = 0,9966
76 125

74
120
72
115
70
110
68
0 0,5 1 1,5 2 2,5 3 3,5
0 1 2 3 4 5
CALCULO DE LOS PRONÓSTICOS

demanda
minimos maximos
promedio demanda
1 70 113
mes historica pronosticada
2 75 125
3 78 131 enero 90 x 100
4 80 137 febrero 80
5 82 marzo 85
abril 100
mayo 123 137
90 X junio 115
123 137 julio 105
agosto 100
septiembre 90
90 ∗ 137 octubre 80
𝑥= =
100 123 noviembre 80
diciembre 80 82
 GRAFICA DEL PRONÓSTICO

historico de ventas de chompas 2017 al 2019

160

140

120

100
cantidad

80

60

40

20

0
0 10 20 30 40 50 60
meses
GRACIAS!